analisis uang beredar dalam fungsi produksi studi kasus negara berkembang: indonesia tahun...
TRANSCRIPT
1
ANALISIS UANG BEREDAR DALAM FUNGSI PRODUKSI
STUDI KASUS NEGARA BERKEMBANG: INDONESIA
TAHUN 2000:1-2013:2
Oleh:
Muhammad Edhie Purnawan, M.A., Ph.D.
Prof. Dr. Samsubar Saleh, M.Soc.Sc.
Raditya Nugraha
ABSTRACT
Several studies related to the role of the money in production function has been performed in
several countries, particularly in developing countries. This study aims to analyze the role of
money in the production function, case in Indonesia, with translog models of conventional
production function in the long term. The data used in the study are data on the
manufacturing industry in Indonesia in year 2000 quarter 1 to year 2013 quarter 1.
Estimated cointegration test results stating that the money is an important input factor in the
production function in the long term. In the short term, the results indicate ECM when shocks
occur, this model is able to make adjustments to get back to the point of equilibrium in the
next period.
Keywords: Money in production function, money supply, Cobb-Douglas production
function, cointegration, ECM.
2
Pendahuluan
Pentingnya jumlah uang beredar dalam suatu fungsi produksi menjadi perhatian para
peneliti dan telah ditelaah secara lebih mendalam di berbagai literatur selama dua dekade
terakhir. Dasar untuk menggabungkan uang beredar dalam fungsi produksi berasal dari
gagasan bahwa motif seseorang untuk memegang uang tidak hanya untuk kepentingan diri
sendiri. Namun uang dapat menjadi barang perantara untuk ditukarkan (dibayarkan) atas jasa
yang didapat. Tidak hanya itu, Friedman (1969) berpendapat bahwa uang harus diperlakukan
sebagai masukan produktif atas modal atau tenaga kerja dalam menjelaskan fungsi uang di
dalam suatu perusahaan. Di sisi lain, Harkness (1984) berpendapat bahwa jumlah uang
beredar menunjukkan hubungan antara output riil dan tingkat bunga nominal di sisi
penawaran agregat ekonomi.
Gambar 1. Jumlah Uang Beredar di Indonesia
Sumber: Diolah dari CEIC (2013)
0.00
500,000.00
1,000,000.00
1,500,000.00
2,000,000.00
2,500,000.00
3,000,000.00
3,500,000.00
4,000,000.00
Juta
Ru
pia
h
Periode
M0 M1 M2
3
Gambar 1 menunjukkan pertumbuhan jumlah uang beredar di Indonesia.
Perkembangan jumlah uang M1 di Indonesia mengalami peningkatan yang tidak terlalu pesat
jika dibandingkan dengan M2. Dalam 13 tahun, M1 hanya meningkat hingga sekitar 700
trilyun rupiah, sedangkan M2 meningkat hingga 3.300 trilyun rupiah.
Gambar 2. Pertumbuhan PDB Riil di Indonesia
Sumber: Diolah dari CEIC (2013)
Gambar 2 menjelaskan pertumbuhan PDB riil Indonesia di Indonesia. Terlihat dalam
kurun waktu 13 tahun, PDB Indonesia terus meningkat. Pada awal tahun 2000 terlihat PDB
Indonesia berada pada angka 343 trilyun rupiah, hingga pada awal 2013 PDB Indonesia
berada pada angka 689 trilyun rupiah. Meningkat hingga 100% dalam kurun waktu 13 tahun.
Masalah yang akan dibahas dalam penelitian ini adalah mengenai adanya inefisiensi
pada fungsi produksi konvensional (Kapital, dan Tenaga Kerja) tanpa memasukkan variabel
input berupa Jumlah Uang beredar. Tujuan dari penelitian ini untuk menganalisis peran uang
0.00
100,000.00
200,000.00
300,000.00
400,000.00
500,000.00
600,000.00
700,000.00
800,000.00
Juta
Ru
pia
h
Periode
Y
4
beredar dalam fungsi produksi untuk kasus di Indonesia, dengan model Translog Fungsi
Produksi konvensional pada jangka panjang.
Landasan Teori
Jagdish Handa (2009) dalam bukunya yang berjudul “Monetary Economics”
mengemukakan teori terkait peranan uang beredar dalam fungsi produksi. Menurutnya,
banyak perdebatan di antara para ekonom tentang uang yang secara tidak langsung
meningkatkan kapasitas produksi seharusnya tidak dimasukkan dalam fungsi produksi.
Namun, sebagaimana peranan uang beredar dalam fungsi utilitas (Handa, 2009: Bab 3)
peranan uang beredar dalam fungsi produksi pun dapat diturunkan dalam fungsi produksi
secara tidak langsung. Teori ini sesuai dengan teori produksi neoklasik yang menyatakan
bahwa peranan uang dalam fungsi produksi sama besarnya dengan permintaan terhadap
tenaga kerja dan modal (Nguyen H. V., 1986; Dennis & Smith, 1978; Nadiri, 1969).
Kita asumsikan bahwa output suatu perusahaan dipengaruhi oleh modal dan tenaga
kerja yang secara langsung berpengaruh dalam proses produksi. Logikanya, modal dan
pekerja dibayar menggunakan uang. Sangat tidak mungkin pekerja dibayar dengan output
dari perusahaan tersebut (misal: pekerja di pabrik sepatu tidak mungkin dibayar dengan
sepatu, pasti pekerja tersebut membutuhkan harta yang cair untuk seperti uang untuk
memenuhi kebutuhan hidupnya). Modal dan tenaga kerja berkorelasi positif terhadap output
suatu perusahaan.
Metodologi Penelitian
Moghaddam (2010) menggunakan analisis kointegrasi untuk mendalami pentingnya
peranan uang dalam fungsi produksi. Studi ini cocok dilakukan di negara berkembang.
Indonesia adalah salah satu negara yang masih berkembang.
5
Dalam penelitian ini, akan digunakan fungsi produksi Cobb-Douglas seperti ditulis
dalam Moghaddam (2010), yaitu:
............................................................................... (1)
di mana:
Y = PDB
A = Parameter teknologi
L = Faktor input tenaga kerja
K = Faktor input pembentukan modal domestik bruto
M = Faktor input jumlah uang beredar, masing-masing dalam bentuk M0, M1, dan
M2
= Error terms
α1, α2, α3 = skala produksi yang masing-masing berhubungan dengan tenaga kerja,
modal dan jumlah uang beredar (M0, M1, dan M2).
Setelah dilog-kan, model tersebut akan menjadi:
................... (2)
................................................. (3)
Huruf kecil pada variabel di persamaan (3) menunjukkan bahwa variabel tersebut
sudah dilog-kan.
Model ekonometri yang digunakan merupakan turunan dari fungsi produksi Cobb-
Douglas. Sehingga, pada penelitian ini akan menggunakan metode Kointegrasi Engle-
Granger. Model ini akan menjelaskan mengenai dua hal, yaitu: (1) Menguji adanya hubungan
jangka panjang antara variabel-variabel yang akan digunakan dalam analisis, dan (2)
Memberikan perkiraan atas koefisien variabel jangka panjang.
Persamaan ECM tersebut sebagai berikut:
∑ ∑ ∑
∑
............. (4)
6
dimana adalah variabel random error term. merupakan vektor kointegrasi
dan adalah koefisien penyesuaian. Ukuran dan statistik signifikansi sangatlah
penting, dalam arti bahwa variabel ini mengukur sejauh mana kesalahan telah diperbaiki pada
setiap periode jangka pendek untuk ekuilibrium jangka panjang dalam menanggapi
guncangan secara acak. Jika dalam ECM, variabel pada kedua sisi persamaan (4) adalah
stasioner, OLS dapat berlaku pada semua tes diagnostik.
Hasil Penelitian
Uji akar unit dapat dilakukan dengan dua cara, yaitu cara informal dan cara formal,
cara formal dilakukan dengan melakukan uji ADF atau Phillip-Peron. Uji unit roots ini
digunakan untuk menghindari hasil regresi penelitian yang lancung. Dalam penggunaannya,
uji ADF digunakan metode general to spesific, yaitu metode yang memulai suatu uji akar
unit dengan memasukkan komponen trend and intercept dalam model yang akan diuji. Dari
uji tersebut dilihat apakah trend dan intercept variabel tersebut signifikan. Apabila salah satu
komponen tidak signifikan, maka dilakukan penghitungan ulang dengan menghilangkan
komponen tersebut. Uji ADF metode tersebut berhenti pada persamaan uang dalam fungsi
produksi yang memiliki hasil uji siginifikan dengan lag sebesar empat, terhadap nilai Akaike
Information Criterion (AIC). Hasil uji akar unit untuk seluruh variabel yang digunakan dalam
penelitian ini dapat dilihat pada Tabel 1.
7
Tabel 1. Uji Akar Unit
Variabel t-statistik ADF Test
Eksogen Integrasi 1% 5% 10%
LogY -3.801459 -4.156734 -3.504330* -3.181826* Intercept+Tren I(1)
LogM0 -3.839894 -3.571310* -2.922449* -2.599224* Intercept I(1)
LogM1 -10.16105 -3.562669* -2.918778* -2.597285* Intercept I(1)
LogM2 -6.854467 -4.152511* -3.502373* -3.180699* Intercept+Tren I(1)
LogK -2.210731 -2.61301 -1.947665* -1.612573* Tidak ada I(1)
LogL -4.973584 -3.57131* -2.922449* -2.599224* Intercept I(1)
Selanjutnya, uji kointegrasi dilakukan untuk melihat apakah terdapat hubungan
jangka panjang atas variabel-variabel independen yang diuji terhadap variabel dependen,
dalam penelitian ini variabel dependen yang akan diuji adalah variabel PDB.
Hasil regresi model OLS digunakan untuk mendapatkan nilai residu yang akan
digunakan untuk melakukan uji kointegrasi Engle Granger. Pada kasus tertentu ketika
persamaan tidak lolos uji asumsi klasik (dalam hal ini model 1 tidak lolos uji autokorelasi)
maka dapat digunakan metode lain, salah satunya regresi model GLS. Hasil regresi model
GLS dapat dilihat pada Tabel 2, dan hasil regresi model OLS dapat dilihat pada tabel 3
sebagai berikut:
Tabel 2. Persamaan OLS
Variabel Koefisien
Model 1
Intercept -9448174*
LogM01 -0.04202
LogK1 0.333922*
LogL1 2.011968*
R2 0.980279
S.E.Regression 0.021248
Keterangan: tanda (*) menunjukkan koefisien tersebut signifikan hingga tingkat kepercayaan 5%
8
Tabel 3. Persamaan OLS
Variabel Koefisien
Model 2 Model 3
Intercept -5.696087* -2.243605
LogM1 0.100256*
LogM2 0.192144*
LogK 0.218531* 0.175355*
LogL 1.291982* 0.911972*
R2 0.990264 0.917789
S.E.Regression 0.021562 0.019815
Keterangan: tanda (*) menunjukkan koefisien tersebut signifikan hingga tingkat kepercayaan 5%
Hasil persamaan OLS dan GLS menunjukkan bahwa pada uang beredar dalam
bentuk M2 memiliki peran yang lebih besar dalam fungsi produksi dibandingkan uang dalam
bentuk M0 maupun M1. Uang dalam bentuk M1 ternyata berkontribusi secara signifikan
terhadap peningkatan PDB. Setiap kenaikan 1% uang dalam bentuk M1, PDB akan
meningkat sebesar 0,1%. Kontribusi M1 lebih kecil jika dibandingkan dengan kontribusi
kapital dan tenaga kerja. Lain halnya dengan M2. Ketika terjadi kenaikan M2 sebesar 1%,
dipengaruhi oleh peningkatan PDB sebesar 0,19%. Kontribusi ini masih lebih besar jika
dibandingkan dengan kontribusi kapital. Sedangkan uang dalam bentuk M0 berkontribusi
negatif terhadap PDB. Ketika M0 naik sebesar 1%, PDB justru akan turun sebesar 0,04%
secara tidak signifikan. Persamaan OLS dan GLS ini telah lolos uji asumsi klasik
sebagaimana ditunjukkan dalam Tabel 4.
9
Tabel 4. Uji Asumsi Klasik
Uji Asumsi Klasik Prob.
Model 1 Model 2 Model 3
Normalitas 0.15 0.48 0.34
Heteroskedastisitas 0.93 0.92 0.78
Autokorelasi 0.72 0.26 0.89
Stabilitas *CUSUM-Square *CUSUM-Square *CUSUM-Square
Dari hasil regresi persamaan awal, maka akan didapat residual regresi dari seluruh
model. Residual regresi ini harus stasioner pada derajat level untuk memenuhi syarat
terkointegrasi menurut Engle-Granger. Hasil uji akar unit untuk residual regresi dapat diliha
pada tabel 5 sebagai berikut:
Tabel 5. Uji Kointegrasi Engle-Granger
Variabel t-statistik ADF Test
Eksogen Integrasi 1% 5% 10%
Residmipfm0gls -3.748611 -2.61403* -1.94782* -1.61249* Tidak Ada I(0)
Residmipfm1 -3.003294 -2.61301* -1.94767* -1.61257* Tidak Ada I(0)
Residmipfm2 -3.406376 -2.61301* -1.94767* -1.61257* Tidak Ada I(0)
* Variabel tersebut stasioner pada derajat level
Hasil uji akar unit dengan metode Engle-Granger menunjukkan bahwa model
tersebut memiliki hubungan jangka panjang antara variabel-variabel dependen yang diuji
terhadap variabel independennya.
Hasil dari residual regresi yang stasioner pada derajat level mengindikasikan bahwa
dalam jangka panjang terdapat hubungan antara variabel-variabel pada tiap model. Dengan
demikian, dapat dirumuskan mengenai perubahan keseimbangan yang terjadi dalam jangka
pendek di mana terdapat kemungkinan terjadi kesalahan equilibrium dengan menggunakan
metode ECM. ECM yang dipopulerkan oleh Granger, desebut juga Granger Representation
Theorem (Gujarati, 2003:825).
10
Residual dari hasil regresi tersebut merupakan variabel ECT untuk melihat
keseimbangan jangka pendek atas model yang telah disusun sebelumnya. Hasil regresi
tersebut dapat dilihat pada Tabel 6 berikut:
Tabel 6. Persamaan ECM
Variabel Koefisien
Model 1 Model 2 Model 3
Intercept 0.006938 0.010092 0.015372*
DLogM01 -0.07174*
DLogM1 -0.000233*
DLogM2 -0.257567*
DlogK1 0.312419*
DLogK 0.225307* 0.344109
DlogL1 0.158791
DLogL -0.318217 -0.183036*
Residmipf -0.79002* -0.718628* -0.762676*
R2 0.445468 0.311756 0.541251
S.E.Regression 0.02079 0.019880 0.016231
Keterangan: tanda (*) menunjukkan koefisien tersebut signifikan hingga tingkat kepercayaan 5%
Variabel independen dan dependen pada model ECM merupakan bentuk turunan
pertama dari masing-masing variabel yang menunjukkan bahwa variabel tersebut merupakan
perubahan variabel antar periode. Keseimbangan jangka pendek merupakan analisis yang
bertujuan untuk mengetahui dinamika jangka pendek hubungan antara variabel-variabel yang
disusun dalam model. Dari hasil regresi model, dapat dilihat bahwa nilai koefisien dari
variabel ResidMIPF(-1) bertanda negatif dan terletak antara 0<ResidMIPF(-1)<1. Dari hasil
tersebut dapat disimpulkan bahwa LogY memiliki elastisitas yang juga tergantung kepada
ResidMIPF(-1). LogY akan menyesuaikan keseimbangannya dalam jangka pendek terhadap
faktor-faktor LogM0, Log M1, Log M2, LogK, dan LogL.
11
Koefisien dari variabel ECT(-1) menggambarkan seberapa cepat titik equilibrium
akan tercapai jika terjadi lack of equilibrium dalam jangka pendek, jika LogY berada diatas
titik keseimbangan, maka diprediksi akan mengalami penurunan pada periode berikutnya
sebesar koefisien variabel ECT(-1). Begitu pula sebaliknya, ketika LogY berada dibawah titik
keseimbangan, pada periode berikutnya diprediksi akan meningkat sebesar koefisien variabel
ECT(-1). Pada penelitian ini didapatkan koefisien ECT masing-masing sebesar 0,79 untuk
M0, 0,72 untuk M1 dan 0,76 untuk M2 yang berarti ketika PDB berada di atas atau di bawah
titik equilibrium, pada kuatral berikutnya PDB tersebut akan menyesuaikan sebesar masing-
masing 79% untuk M0, 72% untuk M1, dan 76% untuk M2.
Lebih jauh lagi, impulse response function (IRF) dan forecast error variance
decomposisition (FEVD) digunakan untuk melihat sejauh mana perilaku variabel terikat
ketika terjadi guncangan terhadap masing-masing variabel bebas. IRF dan FEVD diturunkan
dari masing-masing model yang menggunakan M0, M1, dan M2.
Gambar 3. IRF Model 1 (M0)
Gambar 3 menunjukkan respon masing-masing variabel yang terdapat pada model 1
terhadap LogY1. Ketika terjadi peningkatan pada variabel LogM01, dalam jangka pendek
LogY1 akan merespon positif. Namun dalam jangka panjang akan kembali stabil dan sedikit
ada respon negatif. Ketika terjadi peningkatan pada variabel LogK1, dalam jangka pendek
-.008
-.004
.000
.004
.008
.012
5 10 15 20 25 30 35 40
Response of LOGY1 to LOGM01
-.008
-.004
.000
.004
.008
.012
5 10 15 20 25 30 35 40
Response of LOGY1 to LOGK1
-.008
-.004
.000
.004
.008
.012
5 10 15 20 25 30 35 40
Response of LOGY1 to LOGL1
Response to Cholesky One S.D. Innovations ± 2 S.E.
12
LogY1 akan merespon negatif. Namun dalam jangka panjang akan merespon positif dan
kembali stabil. Untuk variabel LogL1, ketika terjadi peningkatan LogY1 akan ikut
menyesuaikan dengan respon positif yang tinggi. Dalam jangka panjang terus terjadi respon
positif yang cukup stabil.
Tabel 7. FEVD Model 1 (M0)
Period S.E. LOGY1 LOGM01 LOGK1 LOGL1 1 0.022405 100.0000 0.000000 0.000000 0.000000
2 0.024198 94.21245 2.138034 0.053007 3.596506
3 0.025494 88.88927 2.994860 0.047853 8.068021
4 0.026613 83.87839 3.609155 0.062143 12.45031
5 0.027663 79.53088 4.087092 0.093015 16.28901
6 0.028665 75.79876 4.488438 0.126308 19.58649
7 0.029627 72.57535 4.835106 0.156641 22.43290
8 0.030554 69.76269 5.138544 0.183262 24.91551
9 0.031447 67.28503 5.406354 0.206635 27.10198
10 0.032311 65.08485 5.644361 0.227333 29.04346
11 0.033146 63.11763 5.857218 0.245815 30.77933
12 0.033955 61.34818 6.048686 0.262431 32.34070
13 0.034740 59.74811 6.221826 0.277455 33.75261
14 0.035503 58.29423 6.379145 0.291106 35.03552
15 0.036245 56.96743 6.522713 0.303564 36.20629
16 0.036968 55.75176 6.654256 0.314979 37.27900
17 0.037672 54.63385 6.775220 0.325475 38.26545
18 0.038358 53.60239 6.886831 0.335160 39.17562
19 0.039028 52.64773 6.990130 0.344124 40.01801
20 0.039682 51.76164 7.086011 0.352444 40.79991
21 0.040321 50.93698 7.175244 0.360187 41.52758
22 0.040947 50.16762 7.258494 0.367412 42.20648
23 0.041559 49.44817 7.336342 0.374167 42.84132
24 0.042158 48.77396 7.409296 0.380497 43.43625
25 0.042744 48.14085 7.477802 0.386442 43.99490
26 0.043319 47.54522 7.542253 0.392035 44.52049
27 0.043883 46.98384 7.602998 0.397306 45.01586
28 0.044436 46.45385 7.660346 0.402282 45.48352
29 0.044978 45.95270 7.714573 0.406988 45.92574
30 0.045511 45.47812 7.765926 0.411444 46.34451
31 0.046034 45.02804 7.814627 0.415670 46.74166
32 0.046547 44.60064 7.860874 0.419683 47.11880
33 0.047052 44.19424 7.904849 0.423499 47.47741
34 0.047548 43.80735 7.946713 0.427132 47.81880
35 0.048036 43.43860 7.986613 0.430594 48.14419
36 0.048515 43.08676 8.024685 0.433898 48.45466
37 0.048987 42.75069 8.061050 0.437054 48.75121
38 0.049451 42.42936 8.095820 0.440071 49.03475
39 0.049908 42.12183 8.129097 0.442958 49.30612
40 0.050357 41.82723 8.160973 0.445724 49.56607 Cholesky Ordering: LOGY1 LOGM01 LOGK1 LOGL1
13
Tabel 7 menunjukkan peranan masing-masing variabel bebas terhadap variabel
terikat dalam 40 periode. Pada jangka pendek, variabel yang paling berpengaruh adalah
variabel LogY1 itu sendiri. Dalam jangka panjang, variabel yang berpengaruh terhadap
LogY1 adalah LogL1, LogK1, LogY1, dan terakhir LogM01.
Gambar 4. IRF Model 2 (M1)
Gambar 4 menunjukkan respon masing-masing variabel yang terdapat pada model 2
terhadap LogY. Ketika terjadi peningkatan pada variabel LogM1, dalam jangka pendek LogY
akan merespon positif. Namun dalam jangka panjang akan kembali stabil dan sedikit ada
respon negatif. Ketika terjadi peningkatan pada variabel LogK, dalam jangka pendek LogY
akan merespon negatif. Namun dalam jangka panjang akan merespon positif dan kembali
stabil. Untuk variabel LogL, ketika terjadi peningkatan LogY akan ikut menyesuaikan
dengan respon positif yang tinggi. Dalam jangka panjang terus terjadi respon positif yang
cukup stabil.
-.010
-.005
.000
.005
.010
.015
5 10 15 20 25 30 35 40
Response of LOGY to LOGM1
-.010
-.005
.000
.005
.010
.015
5 10 15 20 25 30 35 40
Response of LOGY to LOGK
-.010
-.005
.000
.005
.010
.015
5 10 15 20 25 30 35 40
Response of LOGY to LOGL
Response to Cholesky One S.D. Innovations ± 2 S.E.
14
Tabel 8. FEVD Model 2 (M1)
Period S.E. LOGY LOGM1 LOGK LOGL 1 0.020566 100.0000 0.000000 0.000000 0.000000
2 0.022863 93.75766 2.190348 3.512875 0.539113
3 0.024354 93.08306 2.122304 3.351473 1.443161
4 0.025785 91.08063 2.413182 3.031395 3.474790
5 0.027658 88.42500 2.583354 2.701104 6.290542
6 0.029371 85.37000 2.903523 2.403782 9.322694
7 0.031006 82.69011 3.218222 2.162932 11.92874
8 0.032583 80.44576 3.617536 1.963821 13.97288
9 0.034118 78.66499 4.066811 1.793024 15.47518
10 0.035585 77.24323 4.550655 1.648391 16.55772
11 0.036987 76.11316 5.033458 1.525825 17.32756
12 0.038331 75.19891 5.498568 1.420772 17.88175
13 0.039626 74.44410 5.932389 1.329613 18.29390
14 0.040875 73.80419 6.329134 1.249787 18.61689
15 0.042082 73.24974 6.686979 1.179242 18.88404
16 0.043253 72.76017 7.007843 1.116381 19.11561
17 0.044392 72.32159 7.295191 1.059966 19.32326
18 0.045500 71.92441 7.553138 1.009032 19.51342
19 0.046581 71.56212 7.785698 0.962806 19.68938
20 0.047637 71.23003 7.996514 0.920656 19.85280
21 0.048669 70.92463 8.188700 0.882064 20.00461
22 0.049679 70.64302 8.364844 0.846598 20.14553
23 0.050669 70.38280 8.527058 0.813894 20.27625
24 0.051639 70.14182 8.677059 0.783642 20.39748
25 0.052591 69.91817 8.816253 0.755579 20.50999
26 0.053525 69.71015 8.945802 0.729475 20.61457
27 0.054442 69.51622 9.066686 0.705133 20.71196
28 0.055344 69.33502 9.179742 0.682381 20.80286
29 0.056231 69.16533 9.285695 0.661067 20.88791
30 0.057103 69.00608 9.385184 0.641060 20.96768
31 0.057962 68.85633 9.478771 0.622242 21.04266
32 0.058807 68.71524 9.566961 0.604512 21.11328
33 0.059640 68.58208 9.650202 0.587776 21.17994
34 0.060461 68.45620 9.728897 0.571955 21.24295
35 0.061271 68.33700 9.803407 0.556974 21.30262
36 0.062069 68.22397 9.874058 0.542769 21.35921
37 0.062857 68.11664 9.941141 0.529280 21.41294
38 0.063634 68.01459 10.00492 0.516456 21.46403
39 0.064402 67.91744 10.06564 0.504247 21.51267
40 0.065160 67.82486 10.12350 0.492612 21.55903 Cholesky Ordering: LOGY LOGM1 LOGK LOGL
Tabel 8 menunjukkan peranan masing-masing variabel bebas terhadap variabel
terikat dalam 40 periode. Pada jangka pendek, variabel yang paling berpengaruh adalah
variabel LogY itu sendiri. Perlahan diikuti oleh LogK, kemudian LogM1, dan terakhir LogL.
Dalam jangka panjang, LogY juga tetap berperan penting. Namun dikuti oleh Variabel LogL,
LogM1, dan terakhir LogK.
15
Gambar 5. IRF Model 3 (M2)
Gambar 5 menunjukkan respon masing-masing variabel yang terdapat pada model 2
terhadap LogY. Ketika terjadi peningkatan pada variabel LogM2, dalam jangka pendek LogY
akan merespon positif. Dalam jangka panjang terus terjadi respon positif yang cukup stabil.
Ketika terjadi peningkatan pada variabel LogK, dalam jangka pendek LogY akan merespon
negatif. Namun dalam jangka panjang akan merespon positif dan kembali stabil. Untuk
variabel LogL, ketika terjadi peningkatan LogY akan ikut menyesuaikan dengan respon
positif yang tinggi. Namun dalam jangka panjang akan ada sedikit respon negatif kemudian
kembali stabil.
Tabel 9. FEVD Model 3 (M2)
Period S.E. LOGY LOGM2 LOGK LOGL 1 0.020152 100.0000 0.000000 0.000000 0.000000
2 0.021303 97.49854 1.103626 1.071261 0.326569
3 0.022027 95.16284 2.356071 1.039923 1.441163
4 0.023047 90.98063 3.836279 1.358697 3.824396
5 0.024375 86.96725 4.805332 1.654728 6.572692
6 0.025673 83.63798 5.612744 1.780954 8.968322
7 0.026910 81.10576 6.323959 1.856726 10.71356
8 0.028074 79.16363 7.025659 1.914277 11.89644
9 0.029177 77.65695 7.716779 1.964864 12.66141
10 0.030222 76.43609 8.404043 2.009823 13.15004
11 0.031218 75.41025 9.079863 2.051745 13.45815
12 0.032174 74.52000 9.738640 2.091560 13.64980
13 0.033098 73.73160 10.37394 2.129581 13.76488
14 0.033996 73.02338 10.98200 2.165674 13.82894
15 0.034872 72.38134 11.56066 2.199755 13.85825
-.010
-.005
.000
.005
.010
.015
5 10 15 20 25 30 35 40
Response of LOGY to LOGM2
-.010
-.005
.000
.005
.010
.015
5 10 15 20 25 30 35 40
Response of LOGY to LOGK
-.010
-.005
.000
.005
.010
.015
5 10 15 20 25 30 35 40
Response of LOGY to LOGL
Response to Cholesky One S.D. Innovations ± 2 S.E.
16
16 0.035729 71.79533 12.10930 2.231810 13.86355
17 0.036570 71.25775 12.62825 2.261898 13.85211
18 0.037397 70.76246 13.11841 2.290115 13.82901
19 0.038212 70.30445 13.58105 2.316578 13.79792
20 0.039016 69.87950 14.01759 2.341411 13.76150
21 0.039810 69.48403 14.42953 2.364735 13.72171
22 0.040595 69.11499 14.81836 2.386667 13.67998
23 0.041372 68.76977 15.18557 2.407313 13.63735
24 0.042141 68.44610 15.53255 2.426770 13.59458
25 0.042903 68.14200 15.86066 2.445129 13.55221
26 0.043660 67.85574 16.17117 2.462472 13.51062
27 0.044410 67.58580 16.46527 2.478875 13.47005
28 0.045155 67.33082 16.74409 2.494405 13.43069
29 0.045896 67.08961 17.00864 2.509126 13.39262
30 0.046631 66.86108 17.25991 2.523097 13.35591
31 0.047362 66.64427 17.49879 2.536368 13.32057
32 0.048090 66.43831 17.72609 2.548990 13.28660
33 0.048813 66.24243 17.94260 2.561006 13.25397
34 0.049533 66.05589 18.14900 2.572457 13.22265
35 0.050250 65.87807 18.34595 2.583380 13.19260
36 0.050964 65.70837 18.53406 2.593810 13.16376
37 0.051675 65.54626 18.71387 2.603777 13.13609
38 0.052384 65.39125 18.88591 2.613312 13.10953
39 0.053090 65.24289 19.05064 2.622440 13.08403
40 0.053793 65.10077 19.20849 2.631186 13.05955 Cholesky Ordering: LOGY LOGM2 LOGK LOGL
Tabel 9 menunjukkan peranan masing-masing variabel bebas terhadap variabel
terikat dalam 40 periode. Pada jangka pendek, variabel yang paling berpengaruh adalah
variabel LogY itu sendiri. Perlahan diikuti oleh LogM2, kemudian LogK, dan terakhir LogL.
Dalam jangka panjang, LogY juga tetap berperan penting. Namun dikuti oleh Variabel
LogM2, LogL, dan terakhir LogK.
Kesimpulan dan Saran
Hasil analisis menunjukkan bahwa dalam jangka panjang jumlah uang beredar
memiliki peranan yang sangat penting dalam meningkatkan pertumbuhan ekonomi. Hal ini
dapat dilihat dari pentingnya peranan uang beredar dalam fungsi produksi yang menujukkan
signifikansi dalam jangka panjang. Error Correction Term juga menunjukkan hasil koefisien
negatif signifikan yang berarti di Indonesia mengalami konvergensi untuk menuju
equilibrium akan lebih cepat tercapai. Ketika PDB berada di bawah titik equilibrium, maka
17
pada kuartal pertama PDB tersebut akan menyesuaikan sebesar masing-masing 79% untuk
M0, 72% untuk M1, dan 76% untuk M2. Signifikansi ini menunjukkan seberapa cepat PDB
untuk menuju pada equilibrium.
Lebih jauh lagi, hasil penelitian juga menunjukkan bahwa jumlah uang beredar lebih
berperan penting dalam fungsi produksi jika dibandingkan dengan faktor lain seperti modal
dan tenaga kerja. Terlihat dalam jangka pendek, hanya variabel jumlah uang beredar yang
tetap signifikan pada semua model, sehingga pengaturan terhadap variabel jumlah uang
beredar diperlukan guna mendapatkan pertumbuhan ekonomi yang optimal.
Berdasarkan hasil penelitian ini, terdapat beberapa saran yang dapat diberikan bagi
otoritas kebijakan moneter. Dalam jangka panjang, uang memegang peranan yang penting
dalam peningkatan pertumbuhan ekonomi. Namun, pada jangka panjang peranan uang juga
masih dapat digantikan oleh faktor produksi lainnya seperti modal dan tenaga kerja. Dalam
jangka panjang otoritas moneter tidak terlalu mengalami kesulitan terhadap ancaman
depresiasi dan inflasi yang tidak terkontrol.
Penelitian selanjutnya diharapkan dapat mengembangkan perhitungan mengenai
jumlah uang beredar yang optimal untuk peningkatan pertumbuhan ekonomi guna mencegah
depresiasi dan inflasi tidak terkendali yang tidak diperlukan. Selain itu diharapkan penelitian
yang memisahkan antara uang yang digunakan untuk transaksi dan spekulasi.
Daftar Pustaka
Afridi, U. (1985). "Dynamics of Change in Pakistan's Large Scale Manufacturing Sector",
Pakistan Development Review, 24(3&4), 462-476.
Ambler, S. (1989). “Does Money Matter in Canada? Evidence from a Vector Error
Correction Model”. Review of Economics and Statistic 67, 651-658.
Apostolakis, B. (1983) “Money Balances as Factor Inputs: An Empirical Evidence Based on
Translog Specification”. European Economic Review 23, 149-160.
18
Arintoko. (2011). “Pengujian Netralitas Uang dan Inflasi Jangka Panjang di Indonesia”,
Buletin Ekonomi Moneter dan Perbankan, 79-118.
Battese, G. E., Malik S.J. dan Sultana N. (1993). "Capital Labour Substitution in the Large-
Scale Food-Processing Industry in Pakistan: Some Recent Evidence", Pakistan
Development Review, 32, 847-858.
Ben-Zion, U., dan Ruttan, V.W. (1975). “Money in the Production Function: An
Interpretation of Empirical Results”, Review of Economic & Statistics , 57, 246-47.
Bloomberg Financial Market Update.
Boediono. (2013). Seri Sinopsis Pengantar Ilmu Ekonomi No.2: Ekonomi Makro. Edisi ke-4.
Yogyakarta: BPFE.
CEIC Macroeconomic Dashboard.
Dennis, E. dan Smith, K. (1978). “A Neo-Classical Analysis of the Demand for Real Cash
Balances by Firms”. Journal of Political Economy, 86, 793-813.
Fellner, W. (1961). “A Monetary Theory of Nominal Inducted Innovations”. Economic
Journal, 71, 305-308.
Friedman, M. (1969). The Optimum Quantity of Money and Other Essays. Chicago: Aldine.
Gujarati, D.N. (2003). Basic Econometrics. 4th
Edition. New York: Mc Graw-Hill Education.
Habibullah, M.S. (1988). “Real Money Balances in the Production Function of a Developing
Economy: A Preliminary Study of the Malaysian Agricultural Sector”, Pertanika,
11(3), 451-460.
Handa, Jagdish. (2009). Monetary Economics. 2nd
edition. New York: Routledge.
Harkness, J. (1984). “Real Balances in Ad hoc Keynesian Model and Policy Ineffectiveness”,
Journal of Money, Credit and Banking, 17, 378-386.
Hasan, M. A. dan Mahmud, S. F. (1992). “Money in the Canadian Manufacturing Industries:
A Translog Cost Function Approach”, Economic Notes, 21(1), 265-280.
19
Insukindro. (1993). “Pendekatan Tradisional Mengenai Analisis Uang Beredar: Suatu Studi
Kasus di Indonesia”. Journal of Indonesian Economics and Business, 8, 1993.
Insukindro. (1990). “Model koreksi Kesalahan Untuk Permintaan Impor Bahan Bakar
Minyak di Indonesia”, Tradisional Mengenai Analisis Uang Beredar: Suatu Studi
Kasus di Indonesia”. Journal of Indonesian Economics and Business, 5, 1-12.
Kasmir. (2001). Bank dan Lembaga Keuangan Lainnya. Edisi Revisi. Jakarta: PT Raja
Grafindo Persada.
Khan, A. dan Ahmed, M. (1985). "Real Money Balances in the Production Function of a
Developing Country", Review of Economics and Statistics, 67, 336-86.
Khan, A. H. dan Rafique M. (1993). "Substitution Among Labour, Capital, Imported Raw
Materials, Bank Credit in Pakistan's Manufacturing", Pakistan Development Review,
32, 1259-1266.
Mahmud, Syed F. (1997). “Money in Production Function: Some Further Results”. Pakistan
Economic and Social Review, 35(1), 1-9.
Mankiw, G.N, (2008). Principles of Macroeconomics (5th Ed). Canada: South-Western
Cengage Learning.
Mishkin, F.S. (2007). “The Economics of Money, Banking, and Financial Markets”. 7th
Edition. Boston: Pearson Education.Inc.
Moghaddam, M. (2010). “Co-integrated Money in the Production function-Evidence and
Implications”, Applied Economics, 42, 957-963.
Nadiri, M. Ishaq. (1969). "The Deterrninants of Real Cash Balances in the U.S. Total
Manufacturing Sector". Quarterly Journal of Economics, 83, 173-96.
Nasir, M., Jan, Q. dan Javid, M. (2011). “Cointegrated Money in Production Function:
Evidence From a Developing Country”. Economics Bulletin, 31(4), 2996-3005.
20
Nguyen H. V. (1986). “Money in the Aggregate Production Function: Reexamination and
Further Evidence”. Journal of Money, Credit and Banking, 18(2), 141-151.
Nopirin. (2012). Ekonomi Moneter: Buku 1. 4th
edition. Yogyakarta: BPFE.
Salvatore, Dominick. (1996). “Managerial Economics”, Singapore: McGraw-Hill Book
Company.
Schmookler, J. (1966). Invention and Economic Growth. Cambridge: Harvard University
Press.
Sephton, P. (1986). “Money in the Canadian Production Function Revisited”, ACEA
Conference Paper.
Simos, E. (1981). “Learning by Doing or Doing by Learning? Evidence on Factor Learning
and Biased Factor Efficiency Growth in the US”. Review of Business and Economic
Research, 16, 14-25.
Solikin, Suseno. (2005), “Seri Kebanksentralan No. 1: Uang: Pengertian, Penciptaan, dan
Peranannya dalam Perekonomian”, Jakarta: Pusat Pendidikan dan Studi
Kebanksentralan Bank Indonesia.
Solow, R. (1956). “A Contribution to the Theory of Econometric Growth”, Quarterly Journal
of Economics, 70, 65-94.
Suparmoko. (1994). “Ekonomi Untuk Manajer”, Yogyakarta: BPFE.
Tambunan, T. “Transformasi Ekonomi Indonesia: Teori dan Penemuan Empiris”, Jakarta:
Salemba.
Tim Bapepam. (2008). Analisis Hubungan Kointegrasi dan Kausalitas serta Hubungan
Dinamis antara Aliran Modal Asing, Perubahan Nilai Tukar da Pergerakan IHSG di
Pasar Modal Indonesia.
Todaro, M. P. (2000). Economic Development. 7th
edition. Addison Wesley.